財(cái)聯(lián)社5月12日訊（編輯 周子意）人工智能聊天機(jī)器人的背后需要海量高質(zhì)量數(shù)據(jù)作為支撐。傳統(tǒng)上，人工智能系統(tǒng)依賴于從各種網(wǎng)絡(luò)來(lái)源（如文章、書籍和在線評(píng)論）中提取的大量數(shù)據(jù)來(lái)理解用戶的查詢并生成響應(yīng)。
長(zhǎng)期以來(lái)，如何獲取更多的高質(zhì)量數(shù)據(jù)成為人工智能公司的一大挑戰(zhàn)。由于數(shù)據(jù)在互聯(lián)網(wǎng)上的可用性是有限的，這促使人工智能公司正尋求一種替代解決方案——合成數(shù)據(jù)（Synthetic data）。
合成數(shù)據(jù)，即人工智能系統(tǒng)生成的人工數(shù)據(jù)?？萍脊就ㄟ^(guò)利用自己的人工智能模型，生成合成數(shù)據(jù)（這也被認(rèn)為是虛假數(shù)據(jù)），然后將這些數(shù)據(jù)用以訓(xùn)練其系統(tǒng)的未來(lái)迭代。
談及合成數(shù)據(jù)是如何生成的，其過(guò)程包括為人工智能模型設(shè)置特定參數(shù)和提示以創(chuàng)建內(nèi)容，這種方法可以更精確地控制用于訓(xùn)練人工智能系統(tǒng)的數(shù)據(jù)。
例如，微軟的研究人員向人工智能模型列出了四歲孩子能夠理解的3000個(gè)詞匯，然后，他們要求該模型使用詞匯表中的一個(gè)名詞、一個(gè)動(dòng)詞和一個(gè)形容詞來(lái)創(chuàng)造一個(gè)兒童故事。通過(guò)幾天時(shí)間內(nèi)數(shù)百萬(wàn)次的重復(fù)提示，模型最終產(chǎn)生了數(shù)百萬(wàn)個(gè)短篇故事。
雖然計(jì)算中的合成數(shù)據(jù)并不是一個(gè)新概念，但生成式人工智能的興起促進(jìn)了大規(guī)模創(chuàng)建更高質(zhì)量的合成數(shù)據(jù)。
人工智能初創(chuàng)公司Anthropic首席執(zhí)行官Dario Amodei將這種方法稱為“無(wú)限數(shù)據(jù)生成引擎”，旨在避免與傳統(tǒng)數(shù)據(jù)采集方法相關(guān)的一些版權(quán)、隱私等問(wèn)題。
現(xiàn)有用例與分歧觀點(diǎn)
目前，Meta、谷歌和微軟等主要人工智能公司已經(jīng)開始使用合成數(shù)據(jù)開發(fā)高級(jí)模型，包括聊天機(jī)器人和語(yǔ)言處理器。
例如，Anthropic使用合成數(shù)據(jù)為其聊天機(jī)器人Claude提供動(dòng)力；谷歌DeepMind則使用這種方法來(lái)訓(xùn)練能夠解決復(fù)雜幾何問(wèn)題的模型；與此同時(shí)，微軟已經(jīng)公開了使用合成數(shù)據(jù)開發(fā)的小型語(yǔ)言模型。
有支持者認(rèn)為，如果適當(dāng)實(shí)施，合成數(shù)據(jù)可以產(chǎn)生準(zhǔn)確可靠的模型。
然而，一些人工智能專家對(duì)與合成數(shù)據(jù)相關(guān)的風(fēng)險(xiǎn)表示擔(dān)憂。著名大學(xué)的研究人員觀察到了“模型崩潰”的例子，即在合成數(shù)據(jù)上訓(xùn)練的人工智能模型出現(xiàn)了不可逆轉(zhuǎn)的缺陷，并產(chǎn)生了荒謬的輸出。此外，有人擔(dān)心合成數(shù)據(jù)可能會(huì)加劇數(shù)據(jù)集的偏差和錯(cuò)誤。
劍橋大學(xué)博士Zakhar Shumaylov在一封電子郵件中寫道，”如果處理得當(dāng)，合成數(shù)據(jù)會(huì)很有用。然而，對(duì)于如何才能處理得當(dāng)，目前還沒(méi)有明確的答案；有些偏見(jiàn)對(duì)于人類來(lái)說(shuō)可能很難察覺(jué)?！?/p>
此外，圍繞對(duì)合成數(shù)據(jù)的依賴存在一場(chǎng)哲學(xué)辯論，人們對(duì)人工智能的本質(zhì)提出了質(zhì)疑——如若使用機(jī)器合成的數(shù)據(jù)，那么人工智能是否還是模仿人類智能的機(jī)器？
斯坦福大學(xué)教授Percy Liang強(qiáng)調(diào)了將真正的人類智能融入數(shù)據(jù)生成過(guò)程的重要性，并強(qiáng)調(diào)了大規(guī)模創(chuàng)建合成數(shù)據(jù)的復(fù)雜性。他認(rèn)為，“合成數(shù)據(jù)不是真實(shí)的數(shù)據(jù)，就像你做夢(mèng)登上了珠穆朗瑪峰并不是真正登頂了一樣?！?/p>
目前對(duì)于生成合成數(shù)據(jù)的最佳做法尚未達(dá)成共識(shí)，這突出表明需要在這一領(lǐng)域進(jìn)一步研究和發(fā)展。隨著該領(lǐng)域的不斷發(fā)展，人工智能研究人員和領(lǐng)域?qū)＜抑g的合作對(duì)于充分利用人工智能開發(fā)合成數(shù)據(jù)的潛力至關(guān)重要。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
